Вопрос Обнаружение промахов и грубых погрешностей

Грубая погрешность, или промах, — это погрешность результата отдельного измерения, входящего в ряд измерений, которая для данных условий резко отличается от остальных результатов этого ряда. Источником грубых погрешностей нередко бывают резкие изменения условий измерения и ошибки, допущенные оператором. К ним можно отнести:

• неправильный отсчет по шкале измерительного прибора, происходящий из-за неверного учета цены малых делений шкалы;

• неправильная запись результата наблюдений, значений отдельных мер использованного набора, например гирь;

• хаотические изменения параметров питающего СИ напряжения, например его амплитуды или частоты.

Грубые погрешности, как правило, возникают при однократных измерениях и обычно устраняются путем повторных измерений. Их причинами могут быть внезапные и кратковременные изменения условий измерения или оставшиеся незамеченными неисправности в аппаратуре.

Критерии исключения грубых погрешностей

При однократных измерениях обнаружить промах не представляется возможным. Для уменьшения вероятности появления промахов измерения проводят два-три раза и за результат принимают среднее арифметическое полученных отсчетов. При многократных измерениях для обнаружения промахов используют статистические критерии, предварительно определив, какому виду распределения соответствует результат измерений.

Вопрос о том, содержит ли результат наблюдений грубую погрешность, решается общими методами проверки статистических гипотез. Проверяемая гипотеза состоит в утверждении, что результат наблюдения х, не содержит грубой погрешности, т.е. является одним из значений измеряемой величины. Пользуясь определенными статистическими критериями, пытаются опровергнуть выдвинутую гипотезу. Если это удается, то результат наблюдений рассматривают как содержащий грубую погрешность и его исключают.

Для выявления грубых погрешностей задаются вероятностью q(уровнем значимости) того, что сомнительный результат действительно мог иметь место в данной совокупности результатов измерений.

Критерий "трех сигм" применяется для результатов измерений, распределенных по нормальному закону. По этому критерию считается, что результат, возникающий с вероятностью q < 0,003, маловероятен и его можно считать промахом, если |х̅ -х_i| > 3S_x , где S_x — оценка СКО измерений. Величины х и S_x вычисляют без учета экстремальных значений x_i. Данный критерий надежен при числе измерений n > 20... 50.

Критерий Романовского применяется, если число измерений n < 20. При этом вычисляется отношение |(х̅ - x_i)/S_X| = и сравнивается с критерием _т, выбранным по табл. 7.1. Если  _т, то результат х_i считается промахом и отбрасывается.

Вопрос. Корреляционный анализ

Корреляция (от лат. correlatio), корреляционная зависимость — взаимозависимость  двух или нескольких случайных величин. Суть ее заключается в том, что при изменении значения одной переменной происходит закономерное изменение (уменьшению или увеличению) другой(-их) переменной(-ых).

При расчете корреляций пытаются определить, существует ли статистически достоверная связь между двумя или несколькими переменными в одной или нескольких выборках. Например, взаимосвязь между ростом и весом детей, взаимосвязь между успеваемостью и результатами выполнения теста IQ, между стажем работы и производительностью труда.

Важно понимать, что корреляционная зависимость отражает только взаимосвязь между переменными и не говорит о причинно-следственных связях. Например, если бы исследуемой выборке между ростом и весом человека существовала корреляционная зависимость то, это не значило бы, что вес является причиной роста человека, иначе сбрасывая лишние килограммы рост человека также уменьшался. Корреляционная связь лишь говорит о взаимосвязанности данных параметров, причем в данной конкретной выборке, в другой выборке мы можем не наблюдать полученные корреляции.

Показатель корреляции. Коэффициент корреляции (r) характеризует величину отражающую степень взаимосвязи двух переменных между собой. Он может варьировать в пределах от -1 (отрицательная корреляция) до +1 (положительная корреляция). Если коэффициент корреляции равен 0 то, это говорит об отсутствии корреляционных связей между переменными. Причем если коэффициент корреляции ближе к 1 (или -1) то говориться о сильной корреляции, а если ближе к 0, то о слабой.

При положительной корреляции увеличение (или уменьшение) значений одной переменной ведет к закономерному увеличению (или уменьшению) другой переменной т.е. взаимосвязи типа увеличение-увеличение (уменьшение-уменьшение).

При отрицательной корреляции увеличение (или уменьшение) значений одной переменной ведет к закономерному уменьшению (или увеличению) другой переменной т.е. взаимосвязи типа увеличение-уменьшение (уменьшение-увеличение).

Величина коэффициента корреляции отражает силы связи. При оценке силы связи коэффициентов корреляции используется шкала Чеддока:

Таблица анализа силы связи между переменными

Значение	Интерпретация
от 0 до 0,3	очень слабая
от 0,3 до 0,5	слабая
от 0, 5 до 0,7	средняя
от 0,7 до 0, 9	высокая
от 0,9 до 1	очень высокая

При отрицательной корреляции значения силы связи между переменными меняют на противоположные.

, где — значения переменной X; — значения переменной Y;  — среднее арифметическое для переменной X; -среднее арифметическое для переменной Y.

Вычисление ошибки коэффициента корреляции

• ошибка коэффициента корреляции, вычисленного методом квадратов (Пирсона):

Оценка достоверности коэффициента корреляции,полученного методом ранговой корреляции

Способ 1 Достоверность определяется по формуле:

Критерий t оценивается по таблице значений t с учетом числа степеней свободы (n — 2), где n — число парных вариант. Критерий t должен быть равен или больше табличного, соответствующего вероятности р ≥99%.

Вопрос Регрессио́нный анализ

Регрессио́нный анализ — статистический метод исследования влияния одной или нескольких независимых переменных X 1 , X 2 , . . . , X p {\displaystyle X_{1},X_{2},...,X_{p}} на зависимую переменную Y {\displaystyle Y}.

Суть регрессионного анализа заключается в нахождении наиболее важных

факторов, которые влияют на зависимую переменную.

Линейный регрессионный анализ

Построение уравнения регрессии сводится к оценке ее параметров. Для оценки параметров регрессий, линейных по параметрам, используют метод наименьших квадратов (МНК). МНК позволяет получить такие оценки параметров, при которых сумма квадратов отклонений фактических значений результативного признака у от теоретических минимальна.

1 При поверке прибора действительное значение величины, полученное с помощью эталонного (более точного) прибора принимается за истинное.

19